The role of electronic word of mouth in reducing information asymmetry: An empirical investigation of online hotel booking
Author: Eran Manes，Anat Tchetchik
Publication: Jourmal of Business Research
Publisher ：Elsevier
Date: April 2018
Abstract
The hotel industry is plagued with asymmetric information, which may distort prices and reduce incentives to provide quality service. However, both branding and hotel star ratings play an important role in reducing information asymmetry. The question addressed here is whether electronic word-of-mouth (eWOM) - an increasingly popular form of online feedback -contributes to any further reduction in information asymmetry; and, if so, in what manner. Using a dataset of listed prices and guests#39; ratings extracted from Booking.com, including several covariates, we show that the price–reputation gradient is much steeper in lower star-rated hotels than in higher star-rated hotels. The gradient is also steeper in unbranded hotels than in branded hotels. As lower star-rated and unbranded hotels are laden with greater quality uncertainty, this finding lends support to the hypothesis that the greater the information asymmetry, the greater the role of eWOM in reducing that uncertainty. Managerial implications are discussed.
Introduction
Since the 1995 launch of Amazon, which first allowed online shoppers to post product feedback, online consumer reviews have become increasingly popular and widespread. Although electronic word of mouth (eWOM) is perceived as being less reliable than off-line world-of-mouth (Chatterjee, 2001), it is considered more credible than information created by the sellers themselves (Chen amp; Xie, 2008). Furthermore, eWOM has several advantages, including the ability to disseminate information more quickly and spontaneously than traditional world-of-mouth. Attesting to the popularity of eWOM, 90% of customers in the United States reported that their buying decisions are influenced by online reviews (Gesenhues, 2013) and 80% of British consumers were found to be influenced in the same way (Casaloacute;, Flaviaacute;n, Guinaliacute;u, amp; Ekinci, 2015). In the hotel industry, Gretzel and Yoo (2008) estimated that 75% of travelers worldwide consider eWOM as an information source when planning their trips. Given the frequency with which eWOM is used, it is not surprising that the emerging literature has established a significant link between eWOM and the performance of companies.
The findings outlined above have been demonstrated in various industries which sell goods online, including books, movies, music and the hotel industry (Anderson, 2012; Litvin, Goldsmith, amp; Pan, 2008; Phillips, Zigan, Silva, amp; Schegg, 2015; Vermeulen amp; Seegers, 2009; Yacouel amp; Fleischer, 2012; Ye, Law, amp; Gu, 2009; Ye, Law, Gu, amp; Chen, 2011). This study focuses specifically on the hotel sector.
Most of the literature on eWOM is concerned with the effect of volume (i.e., the total number of online customer reviews posted) and valence (the average rating or the percentage of positive and negative opinions) on the performance of the firm. Numerous estimates of lsquo;eWOM elasticityrsquo; have been suggested, a metric that quantifies the relationship between the volume/valence of eWOM and the firm#39;s performance (e.g. its sales). You, Vadakkepatt, and Joshi (2015) performed a meta-analysis of 51 studies which estimated such elasticities. They found high levels of variance in the 610 reported eWOM elasticities even among studies that focused on the same product category. Moreover, they reported conflicting findings regarding the volume/valance metrics; for example, while Duan, Gu, and Whinston (2008) found that movie revenues are associated with the volume of eWOM and not with its valence, Chintagunta, Gopinath, and Venkataraman (2010) reported the opposite result. These conflicting, and sometimes puzzling results, suggest that the joint effect of the volume and valence of eWOM on firm performance is more complex than it might initially appear. Indeed, in their recommendations for future research, You et al. (2015) highlight the need to better understand how the volume and valence of eWOM interact with each other in affecting a firm#39;s performance. Similarly, Moe and Schweidel (2012) note that the interpretation of volume and valence can be misleading when each metric is considered separately. As we discuss below, valence may be an important mediator of the relationship between volume and firm performance. Fu
剩余内容已隐藏，支付完成后下载完整资料
电子口碑在减少信息不对称中的作用：网上酒店预订的实证研究
摘 要
酒店业受到信息不对称的困扰，这可能会扭曲价格并减少提供优质服务的积极性。然而，品牌和酒店星级评定在减少信息不对称方面起着重要作用。这里提出的问题是，电子口碑（eWOM） - 一种日益流行的在线反馈形式 - 是否有助于进一步减少信息不对称;如果是这样，以什么方式。使用从Booking.com提供的包含多个协变量的列出价格和客人评分数据集，我们发现较低星级酒店中的价格 - 声誉梯度比较高星级酒店中的梯度更陡。无品牌酒店的梯度也比品牌酒店陡峭。由于较低星级和无品牌酒店的质量存在较大的不确定性，这一发现支持了假设：信息不对称程度越高，eWOM在减少不确定性方面的作用就越大，讨论管理含义。
介绍
自从1995年亚马逊首次允许在线购物者发布产品反馈以来，在线消费者评论变得越来越流行和广泛。尽管电子口碑（eWOM）被认为比离线口碑更不可靠（Chatterjee，2001），但它被认为比卖家自己创造的信息更可信（Chen＆Xie，2008）。此外，网络口碑还有几个优点，包括比传统的口碑更快速和自发地传播信息的能力。证明eWOM的普及，美国90％的客户报告说，他们的购买决定受到在线评论的影响（Gesenhues，2013），80％的英国消费者被发现以同样的方式受到影响（Casaloacute;，Flaviaacute;n， Guinaliacute;u，＆Ekinci，2015）。在酒店行业，Gretzel和Yoo（2008）估计，全球75％的旅行者在规划出行时将eWOM视为信息来源。考虑到eWOM的使用频率，新兴文献已经在eWOM和公司业绩之间建立了重要联系并不令人惊讶。
本研究专注于酒店部门，大多数关于eWOM的文献都关注公司业绩的数量（即所发布的在线客户评论总数）和效价（平均评级或正面和负面意见的比例）的影响。已经提出了许多关于#39;eWOM弹性#39;的估计值，这是衡量eWOM的数量/价值与企业绩效（例如销售额）之间关系的指标。 You，Vadakkepatt和Joshi（2015）对51项研究进行了荟萃分析，这些研究估计了这种弹性。他们在610报告的eWOM弹性中发现了高水平的变化，即使在关注同一产品类别的研究中也是如此。此外，他们报告了有关量/价格指标的相互矛盾的结果;例如，Duan，Gu和Whinston（2008）发现，电影收入与eWOM的量相关，而与其价格无关，Chintagunta，Gopinath和Venkataraman（2010）报告的结果相反。这些矛盾的，有时令人费解的结果表明，网络口碑的数量和价格对公司业绩的共同影响比它最初看起来更复杂。事实上，在他们对未来研究的建议中，You et al。 （2015）强调需要更好地理解eWOM的数量和价格如何相互影响公司的业绩。同样，Moe和Schweidel（2012）指出，当每个度量单独考虑时，体积和效价的解释可能会引起误解。正如我们在下面讨论的那样，价位可能是交易量和公司业绩之间关系的重要媒介。此外，体积和价态对性能的影响在质量空间上可能会有很大差异，当质量不确定性更大时可能会发挥更大的作用。
更明智的做法是承认网络口碑的影响不是单一的 - 而是根据以下几个因素而变化：
（1）产品特性，例如（Cui，Lui，＆Guo，2012），经验与搜寻商品（Cui等，2012; Park＆Lee，2009），高与低介入商品（Gu，Park ，Konana，2012），与强势与弱势品牌（Ho-Dac，Carson，＆Moore，2013），流行与非流行产品（Zhu＆Zhang，2010）的关联，子产品的存在与否（Dewally＆Ederington，2006）和产品的耐用性，可测性和可观察性（You et al。，2015）;
（2）消费者特征，例如性别和收入（Gopinath，Chintagunta，＆Venkataraman，2013），风险规避水平（Casaloacute;等，2015），以及评论者评分的易感性（Bao＆Chang，2014）。
（3）平台特征，包括网站海报（Forman，Ghose，＆Wiesenfeld，2008）匿名程度，网站声誉（Park＆Lee，2009; Shamdasani，Stanaland，＆Tan，2001） eWOM（You et al。，2015）;和
（4）eWOM消息的配置和分布模式，例如负面vs.正面eWOM（Park＆Lee，2009），极端与中等评分（Park＆Nicolau，2015）以及评分不均匀与平均流行（Chevalier＆Mayzlin， 2006）。
（5）增长状况和竞争强度等行业特征（You et al。，2015）。
尽管对网络口碑的影响进行了大量的研究，但我们在文献中找出了本研究旨在解决的两个缺陷。首先，如上所述，eWOM体积和价态之间的相互作用可能不是直接的。因此，我们考察了网络口碑的数量和价格对企业绩效的联合影响。其次，正如崔等人所观察到的那样。 （2012年），现有的研究并没有考察产品类别/子产品是否以及如何影响网络口碑。在目前的研究中，我们特别关注由其质量变化程度定义的产品子类别。在这里研究的行业中，质量变化是由独立的监管机构决定的，该机构已将产品划分为以不同质量变化量为特征的子类别，因此具有不同的信息不对称性。这使我们能够解决两个问题：（1）eWOM是否以及在多大程度上减少了信息不对称。我们特别关注在线市场提供的体验产品，即在线酒店预订，并且我们检查eWOM是否消除了超出星级和品牌消除的不对称性; （2）信息不对称是否会影响网络口碑的体积和价格的联合效应
正如Park和Lee（2009）所指出的，eWOM最重要的潜在作用之一就是减少体验产品（如酒店和酒店服务）在线市场中常见的信息不对称。 由于酒店预订通常是提前和远距离进行的，由于客户无法确定他们即将购买的服务的真实质量（Lewis＆Chambers，1999），可能会出现信息不对称的问题。 显然，酒店行业已经采取了相当多的措施来通过品牌和星级评级方案来缓解不对称信息。 前者是一种基于声誉的承诺形式，后者保证客户某家酒店已达到与特定星级评级相关的多重标准。
鉴于品牌和星级在缓解质量不确定性方面已经发挥了重要作用，问题在于，以及在多大程度上，网络口碑能够进一步降低质量不确定性水平。 这绝不是一个微不足道的问题：尽管eWOM可能准确地反映了消费者的偏好，但它可能会受到卖家操纵，以牺牲沉溺于不道德行为为代价的动机，从而实现利润最大化（Li＆Hitt，2008）。 此外，由于在线评论者不是随机抽取的用户群体样本，因此eWOM受到不满意和报复的客户造成的“噪音”[2]。eWOM是否具有信息内容可以减少在线市场中酒店和酒店的信息不对称 因此，行业是一个重要的经验问题，其相关性传递到其他业务领域。
有两篇与当前研究直接相关的论文：Yacouel和Fleischer（2012）以及Dewally和Ederington（2006）。 Yacouel和Fleischer（2012）研究了酒店在线评论分数对房价的定性影响，发现平均而言 - 同时控制大量相关协变量 - 效果是正面的，即更好的评价分数转化为更高的价格， ceteris paribus。 然而，他们的论文没有研究体积/价效应，这是我们分析的核心。 此外，我们的论文不仅考察了评估分数与价格之间的定量关系，而且还探讨了这种关系如何随质量不确定性而变化。
Dewally和Ederington（2006）研究了不同策略对减少收集项目在线市场中信息不对称的影响，其中专业的产品分级是一种选择。他们发现，未评级漫画的价格比eBay的反馈统计（包括eBay声誉）更为敏感，而不是评级漫画的价格。虽然有一些相似之处，但他们的论文在范围和方法上都与我们有很大不同。尽管Dewally和Ederington（2006）研究了在线声誉对认证和未认证项目价格的不同影响，但他们并没有探讨（和我们一样）体积和效价的联合效应，也没有研究这种效应在优质的空间。从方法论的角度来看，他们的数据属性限制了eWOM对信息不对称的影响程度：（i）作者只记录漫画是否具有认证，而忽略实际认证等级（这可能是因为只有27.9％的物品获得认证）。这可以防止对评估分数对价格的影响进行量化。 （ii）在学习时，eBay的声誉系统只允许三种评分选项：消极，中立和积极。这限制了信誉度量的敏感度，从而限制了评估声誉价格关系的能力。 （iii）与褒奖声誉机制不同，该机制确保了评论者的完全匿名性，从而提高了评论的可靠性，eBay的反馈往往非常积极，可能是由于买方不愿意给卖方一个负面评级因为害怕报复（Resnick＆Zeckhauser，2002）。正是由于这些原因，我们认为我们的方法更适合研究声誉，质量不确定性和表现之间的关系。
本文对文献的主要贡献在于探索了质量空间的体积效应和效价效应的联合效应在质量空间上不均匀的假设，并且随着质量不确定性的变化而发生显着变化。 然而，测试这个假设会遇到一个自然的困难，即很难找到产品可以按质量不确定性水平进行细分的行业。 幸运的是，酒店业适合这一任务; 它构成了一个重要的，几乎独特的测试案例，我们在下面详细阐述的原因。
星级评分系统被广泛认可为一种将酒店分类为不同质量标准的机制。但是，我们认为该系统还按照质量不确定性水平对旅馆进行分类。具体而言，星级越高，其内部的质量不确定性水平越低（即，质量不确定性在五星级酒店中最低，在一星级酒店中最高）。我们基于这样一个事实，即评级组织考虑的标准数量随星级而显着增加。例如，根据Hotelstars Union联盟的2015-2020分类标准，3家酒店必须满足121,101,80,56和45条标准，才有资格获得5星级，4星级，3星级，2星级酒店，星级和一星级评级.4这意味着1和2星级酒店在选择他们希望采用的质量标准方面有更大的余地。我们将这种选择自由解释为质量标准变化更大，因此质量更高的不确定性。
我们进一步认为，品牌酒店的质量不确定性比其品牌酒店的质量不确定性要低; 品牌名称被认为是对优质服务的可信承诺（Ingram，1996; Schelling，1960）。 在给定品牌的酒店内，定义了质量标准，服务程序和检查协议，以便在不同酒店位置调整服务标准。 因此品牌酒店的品质不确定性预计将低于无品牌酒店。
我们的实证结果强烈支持eWOM在具有更高质量不确定性的子类别中具有更显着的影响的观点。 此外，他们支持这样一个假设，即评论量对整个质量空间的影响是不一致的。 我们相信，我们的结果有助于揭示数量和价格对企业业绩的非平凡联合效应。 我们的一些结果带来了重要的政策影响。
尽管我们的论文涉及eWOM在质量空间方面的不同影响，但我们仍然不了解用户评级的价值问题。 De Langhe，Fernbach和Lichtenstein（2015）等人都指出了几个可能影响用户评级价值的因素：（i）评论者的样本可能不代表用户群体。 （ii）评论可能被操纵。 （iii）撰写评论的方法存在跨文化和跨语言的差异。 （iv）在线市场中常见的少量评论样本量限制了平均用户评分作为质量评估的可靠性。尽管上述观点对用户评级的可靠性和有效性提出了令人信服的论点，但我们相信我们的研究设计可以最大限度地减少这些问题：（i）与利基商品不同，评论者的样本选择偏倚可能非常严重，酒店住宿是主流消费品; （ii）我们选择的流行欧洲旅游目的地吸引来自世界各地的客人，降低了评估中文化偏见的风险（iii）我们使用Booking.com，因其可靠的审核系统而闻名遐迩（参见第3节）;和（iv）由于酒店没有典型的产品生命周期曲线，所以它们在相当长的时间内保持营业。这意味着酒店通常会有大量评论者的样本，使他们的平均评分更加可靠。
决定专注于评论数量相对较多的酒店是需要付出代价的; 每次审查都是独立的随机抽签，大数定律意味着平均得分几乎不会随着时间而改变。 这降低了利用数据时间维度的纵向分析或其他方法的价值。 主要是因为这个原因，我们主要依靠横断面分析。
我们研究的一个潜在的警告是使用挂牌价格而非实现价格，这是我们使用从Booking.com获取的数据时所需承担的成本.5使用挂牌价格对我们的结果的解释造成一些限制; 为了简洁起见，我们将互换使用“价格”和“挂牌价格”。
基本概念和假设
这项研究的主要假设是，当质量不确定性更大时，eWOM在减轻信息不对称方面发挥更大的作用。 测试这个假设需要满足两个前提条件。 首先，选定的行业必须提供一种连贯的方式，按质量不确定性的级别进行分类。 其次，必须存在与绩效相关的措施（如销售额，价格，利润），以捕捉不同子类别中eWOM的差异效应。 如上所述，如果我们将子类别定义为具有不同星级的酒店，则符合第一个条件。 同样，没有品牌的酒店可以被认为比品牌酒店更具质量不确定性。 因此，对子类别进行第二种适当的分类是品牌与无品牌的酒店。
至于第二个前提条件，本研究着重于eWOM对每个星级类别的价格 - 信誉曲线梯度的影响。正式地，让r代表由eWOM产生的声誉的度量。例如，r可以代表1至10.6的满意度水平。设P（r）为属于同一酒店的信誉得分的函数的价格（由酒店列出的标准房间）子类。我们将P（r）称为价格 - 声誉计划。如果信誉得分r增加一个量Delta;r，所有其他因素相等，则产生的价格变化（Delta;P）被称为价格 - 信誉梯度，或者简称为价格 - 信誉曲线的斜率;它由Delta;PDelta;r表示。每个子类别都有自己的价格 - 声誉计划，因此，它有自己的价格 - 声誉梯度。如果由eWOM产生的信誉在子类别i中具有比在子类别j中更大的信息内容，则i的价格 - 声誉梯度将大于j：
(1)∆P∆rige;∆P∆rj
（1）的价格标准化的连续版本将被读取
(2)part;Ppart;rrPige;part;P
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[468082]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
